输入动作复核输出

一、项目定位

RAGFlow 是把文档导入、解析、检索、上下文管理与 Agent 工作流结合起来的 RAG 引擎。

二、新手能做什么

用户可以创建数据集，选择切片与 Embedding 策略，连接模型，测试检索，再构建聊天助手和 Agent 工作流。

三、推荐上手路线

克隆前先阅读当前前置条件。仓库目前要求 Docker 24+、Docker Compose 2.26.1+，源码开发使用 Python 3.13。启动稳定 Docker 镜像并等待所有服务健康后，只导入一小组文档。

四、环境与成本

默认栈包含多项基础服务，预编译镜像面向 x86；ARM64 需要单独构建路线。必须提前规划存储、内存、模型服务与 Embedding 成本。

五、适用人群

适合已经超出桌面文档问答工具能力，需要深入控制解析与检索的技术团队。

六、局限与风险

它不是最简单的第一个 RAG 项目。切换文档引擎或执行破坏性 Docker 卷命令可能清空数据，因此升级和迁移必须先验证备份。 应修改默认凭据，保护模型与数据库密钥，限制代码执行功能，并按需使用 gVisor 与出站隔离；默认栈不能直接暴露到公网。

七、项目与许可

仓库内容按 Apache-2.0 提供，具体以项目当前 LICENSE 为准。项目地址：https://github.com/infiniflow/ragflow